(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210808076.1 (22)申请日 2022.07.11 (65)同一申请的已公布的文献号 申请公布号 CN 114882708 A (43)申请公布日 2022.08.09 (73)专利权人 临沂市公路事业发展中心 地址 276000 山东省临沂市兰山区北京路1 号 专利权人 山东通维信息 工程有限公司 (72)发明人 马亚栋　刘涛　董磊　闫军　 杨玉红　李保东　岳鹏　赵旭东　 张冬梅　赵树生　王伟科　金磊　 王晓光　刘斌　张腾展　 (74)专利代理 机构 合肥正则元起专利代理事务 所(普通合伙) 3416 0 专利代理师 王俊晓(51)Int.Cl. G08G 1/015(2006.01) G08G 1/017(2006.01) H04N 7/18(2006.01) G06V 20/40(2022.01) G06V 20/58(2022.01) (56)对比文件 CN 111523415 A,2020.08.1 1 CN 110307809 A,2019.10.08 CN 112200231 A,2021.01.08 CN 111814522 A,2020.10.23 CN 105678257 A,2016.0 6.15 CN 113723258 A,2021.1 1.30 CN 113055658 A,2021.0 6.29 US 201323 6063 A1,2013.09.12 审查员 曹雅维 (54)发明名称 一种基于监控视频的车辆识别方法 (57)摘要 本发明公开了一种基于监控视频的车辆识 别方法， 属于交通控制系统技术领域， 具体包括 以下步骤： 建立重点车辆数据库， 所述重点车辆 数据库存储有不同车型的全景图像信息和危险 品标志图像； 获取所有实时车辆的监控视频信 息； 依次将所述实时车辆的监控视频信息拆分为 若干个图像帧， 获取实时车辆的车长和车身特 征， 从而判断实时车辆是否为重点车辆； 将实时 车辆图像与标准车型图像进行对比， 识别重点车 辆的车型； 本发 明通过识别实时车辆的车型来判 断实时车辆是否为重点车辆， 实现了对重点车辆 快速且准确的识别。 权利要求书2页 说明书6页 附图1页 CN 114882708 B 2022.09.30 CN 114882708 B 1.一种基于监控视频的车辆识别方法， 用于识别重点车辆， 其特征在于， 包括以下步 骤： 建立重点车辆数据库， 所述重点车辆数据库存储有不同车型的全景图像信 息和危险品 标志图像； 获取所有实时车辆的监控视频信息； 依次将所述实时车辆的监控视频信 息拆分为若干个图像帧， 将所述图像帧中的背景图 像去除获得实时车辆图像， 根据所述图像帧和所述实时车辆图像获取实时车辆的车长和车 身特征， 从而判断实时车辆是否为重点车辆； 将所述全景图像信 息拆分为若干个视角的标准车型图像， 将所述重点车辆的实时车辆 图像与相同视角的所述标准车 型图像进行比对， 识别所述重点车辆的车 型； 判断所述重点车辆所属车 型的具体方法为： 获取重点车辆的实时图像并命名为重点车辆图像， 在任一所述重点车辆图像中标注出 重点车辆的最小外接矩形， 计算所述重点车辆的最小外接矩形的长宽比k； 在所有 所述标准 车型图像中标注出标准车型的最小外接矩形， 依次计算所述标准车型的最小外接矩形的长 宽比p1,p2, …,pn， 提取p1,p2, …,pn中与k数值相等的pn， 则pn对应的标准车型图像与该重 点车辆图像为相同视角， 将pn对应的标准车型图像与该重点车辆图像进行相似比对， 获取 相似度； 获取每个实时车辆图像与相同视角的标准车型图像的相似度， 统计所述相似度超过预 设阈值a的标准车型图像， 统计相似度超过a的标准车型图像各自对应车型的分布比例， 获 取占比最大的车型的比例b， 若a*b≥0.6， 则判定实时车辆属于该车型， 若a*b＜0.6， 则再次 获取重点车辆图像与标准车 型图像进行对比； 在提取p1,p2, …,pn中与k相等的数值的过程中， 对于任一重点车辆， 若p1,p2, …,pn存 在多个数值与该重点车辆长宽比k相等， 则 分别将多个所述数值对应的标准车型图像与该 重点车辆图像进 行相似对比， 判定相似度最高的标准车型图像与该重点车辆图像为相同视 角。 2.根据权利要求1所述的一种基于监控视频的车辆识别方法， 其特征在于， 获得所述图 像帧中的实时车辆图像的具体方法为： 扫描所述图像帧， 获取所述实时车辆的车辆轮廓， 将所述图像帧以所述车辆轮廓为界 限分离为实时车辆图层和背景图像图层， 将所述背景图层替换为空 白图层， 保留所述实时 车辆图层， 获得 所述实时车辆图像。 3.根据权利要求1所述的一种基于监控视频的车辆识别方法， 其特征在于， 判断所述实 时车辆是否为重点车辆的具体方法为： 从所述图像帧中获取单个车道 的像素宽度w， 获得所述实时车辆最大像素长度 l， 提取 单个车道的实际宽度W， 计算实时车辆的实际车长： L=W* l/w， 其中， 若L≥6m， 则该车辆为大 型车辆， 初步判定该实时车辆为重点车辆， 否则判定该实时车辆为普通车辆 。 4.根据权利要求3所述的一种基于监控视频的车辆识别方法， 其特征在于， 判断所述实 时车辆是否为重点车辆的具体方法还 包括： 所述监控视频信 息通过监控设备获取， 获取所述大型车辆经过所述监控设备时的近距 离监控视频信息， 获取所述近距离监控视频信息对应的若干张实时车辆图像， 将所述实时权　利　要　求　书 1/2 页 2 CN 114882708 B 2车辆图像进 行灰度处理得到灰度图像， 所述灰度图像的数量为N， 计算所述灰度图像的灰度 值均值， 统计所述灰度值均值大于预设阈值c的灰度图像的数量M， 若M/N≥0.8， 则判定所述 大型车辆为客车， 确定为重点车辆， 否则判定为货车。 5.根据权利要求4所述的一种基于监控视频的车辆识别方法， 其特征在于， 判断所述实 时车辆是否为重点车辆的具体方法还 包括： 获取所述货车的实时车辆 图像， 识别所述货车的实时车辆 图像中存在的特定 图形， 将 所述特定图形与所述危险品标志图像进行比对， 若存在与所述危险品标志图像相似度大于 80%的特点图形， 则判定所述货车为 危险品货车， 确定为重点车辆， 否则为普通货车。 6.根据权利要求5所述的一种基于监控视频的车辆识别方法， 其特征在于， 在识别危险 品标志图像之前需要先对实时车辆图像进行处 理： 获取所述大型车辆的实时车辆图像， 将所述实时车辆图像进行灰度处理得到灰度图 像， 识别所述灰度图像中灰度值高于预设阈值d的高灰度区域， 再次获取大型车辆的实时车 辆图像， 将所述高灰度区域的图层从所述 实时车辆图像中删除， 并替换为空白图层， 然后再 对危险品标志图像进行识别。权　利　要　求　书 2/2 页 3 CN 114882708 B 3